نقدم نواة تجميع فعالة لشبكات العصبيات التجميعية (CNNs) على الشبكات غير المنظمة باستخدام المشتقات المعلمة، مع التركيز على الإشارات الكروية مثل الصور البانورامية أو إشارات الكواكب. لتحقيق هذا الهدف، نستبدل النوى التقليدية للتجميع بتوافقات خطية من المشتقات التي يتم وزنها بواسطة معلمات قابلة للتعلم. يمكن تقدير المشتقات بكفاءة على الشبكات غير المنظمة باستخدام الجيران الدائريين الأحاديين، ويمكن تحسين المعلمات القابلة للتعلم من خلال الرجوع الخلفي القياسي. نتيجة لذلك، نحصل على شبكات عصبية فائقة الكفاءة تتطابق أو تتفوق على أحدث هياكل الشبكات من حيث الأداء ولكن مع عدد أقل بكثير من معلمات الشبكة. نقيم خوارزميتنا في سلسلة واسعة من التجارب على مجموعة متنوعة من مهام رؤية الحاسوب وعلوم المناخ، بما في ذلك تصنيف الأشكال، وتقسيم أنماط المناخ، وتقسيم المعنى للصور الكروية الشاملة. بشكل عام، نقدم (1) طريقة جديدة لـ CNNs على الشبكات غير المنظمة باستخدام المشتقات المعلمة للإشارات الكروية، و(2) نظهر أن تحديد المعلمات الفريد لنواتنا يسمح لنموذجنا بالوصول إلى نفس الدقة أو أعلى منها مع عدد أقل بكثير من معلمات الشبكة.